CN109885699B - 基于知识图谱的云仿真模型资源描述信息存储方法及装置 - Google Patents
基于知识图谱的云仿真模型资源描述信息存储方法及装置 Download PDFInfo
- Publication number
- CN109885699B CN109885699B CN201910115901.8A CN201910115901A CN109885699B CN 109885699 B CN109885699 B CN 109885699B CN 201910115901 A CN201910115901 A CN 201910115901A CN 109885699 B CN109885699 B CN 109885699B
- Authority
- CN
- China
- Prior art keywords
- simulation model
- resource
- cloud simulation
- model
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于知识图谱的云仿真模型资源描述信息存储方法、装置、计算机设备以及可读存储介质，一个实施例的方法包括：确定云仿真模型资源的描述内容，描述内容包括静态信息、动态功能和接口信息，静态信息包括：基本信息、静态属性及功能、模型关系及模型需求信息；动态功能包括：云仿真模型资源的各状态之间的转化关系以及转化条件；基于描述内容，确定各云仿真模型资源在知识图谱中的资源描述框架三元组信息；将各云仿真模型资源的资源描述框架三元组信息导入知识图谱，形成存储云仿真模型资源描述信息的知识图谱。本实施例方案提高了云仿真模型资源描述的可扩展性，简洁直观，基于知识图谱在实现对云仿真模型资源的搜索时也更具关联性且效率更高。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种基于知识图谱的云仿真模型资源描述信息存储方法、云仿真模型资源描述信息存储装置、计算机设备以及计算机可读存储介质。
背景技术
为了实现快速构建仿真系统，降低仿真系统的开发周期，减少所需的人力物力以及成本，近年来仿真领域的专家提出了面向服务的可组合仿真技术，在可组合仿真的框架下，云仿真模型资源具有可重用性、可组合性和互操作性，并且可以被开发人员灵活的使用。而随着云计算技术的普及，云仿真的概念也孕育而生，与web(World Wide Web，即全球广域网，也称为万维网)服务类似，云仿真是一种以云计算为基础，进一步融合虚拟化、普适计算和高性能计算等技术的仿真手段。构建云仿真平台，目的是能够在云架构下可以按需使用云平台上虚拟化的内存资源、计算资源以及云仿真模型资源，来组合构建仿真系统或者应用，并行地处理该系统(应用)中的各个模型，实现模型间的交互，最后完成特定的仿真任务或者用户的仿真需求。
仿真模型的存储(也称为资源描述)方式是实现云仿真的重要基础，也是云仿真中仿真模型搜索与发现技术和组合技术的重要支撑。传统的web服务描述语言(WSDL，WebService Description Language)，大多是通过关键字来匹配服务和应用，这样的匹配方式效率低下而且准确率较低，使得搜索得到的仿真模型存在局限性，云平台中丰富的云仿真模型资源不能够得到充分运用。本体描述语言(OWL，Ontology Web Language)提供了可以基于语义来描述web服务的方法。但这种基于OWL-S的仿真模型描述语言在方法和结构上都难以统一，扩展性差。
发明内容
基于此，有必要提供一种基于知识图谱的云仿真模型资源描述信息存储方法、云仿真模型资源描述信息存储装置、计算机设备以及计算机可读存储介质，以有利于提高在应用云仿真模型资源时的匹配效率和准确率，且扩展性高。
一个实施例中提供的基于知识图谱的云仿真模型资源描述信息存储方法，包括：
确定云仿真模型资源的描述内容，所述描述内容包括静态信息、动态功能和接口信息，所述静态信息包括：基本信息、静态属性及功能、模型关系以及模型需求信息；所述动态功能包括：所述云仿真模型资源的各状态之间的转化关系以及转化条件，所述接口信息包括：模型注册方式、安全管理方式、传输协议、URL地址、消息格式、接口类型以及实现类型；
基于所述描述内容，确定各云仿真模型资源在知识图谱中的资源描述框架三元组信息；
将各所述云仿真模型资源的资源描述框架三元组信息导入知识图谱，形成存储云仿真模型资源描述信息的知识图谱。
进一步地，一些实施例中，所述资源描述框架三元组信息，包括：模型关系三元组、模型属性三元组、模型状态三元组、以及模型状态转换三元组中的至少一种。
进一步地，一些实施例中，所述资源描述框架三元组信息包括模型关系三元组时，基于所述描述内容，确定各云仿真模型资源在知识图谱中的资源描述框架三元组信息，包括：
根据所述描述内容，确定任意两个云仿真模型资源唯一标识对应的云仿真模型资源之间的模型关系，所述模型关系三元组包括：各云仿真模型资源唯一标识以及各云仿真模型资源唯一标识之间的模型关系。
进一步地，一些实施例中，所述资源描述框架三元组信息包括模型属性三元组时，基于所述描述内容，确定各云仿真模型资源在知识图谱中的资源描述框架三元组信息，包括：
根据所述描述内容，确定云仿真模型资源的属性以及对应的属性值，所述模型属性三元组包括：各云仿真模型资源唯一标识、各云仿真模型资源唯一标识关联的属性以及对应的属性值。
进一步地，一些实施例中，所述资源描述框架三元组信息包括模型属性三元组时，基于所述描述内容，确定各云仿真模型资源在知识图谱中的资源描述框架三元组信息，包括：
根据所述描述内容，确定各云仿真模型资源的状态，所述模型状态三元组包括：云仿真模型资源唯一标识、以及云仿真模型资源唯一标识对应的各模型状态。
进一步地，一些实施例中，所述资源描述框架三元组信息包括模型状态转换三元组时，基于所述描述内容，确定各云仿真模型资源在知识图谱中的资源描述框架三元组信息，包括：
根据所述描述内容，确定各云仿真模型资源唯一标识对应的各模型状态之间的转换关系以及转换条件，所述模型状态转换三元组包括：各云仿真模型资源唯一标识对应的各模型状态之间的转换关系以及转换条件。
进一步地，一些实施例中，还包括步骤：在接收到新云仿真模型资源导入指令时，确定所述新云仿真模型资源的所述描述内容；
根据所述新云仿真模型资源的所述描述内容，确定所述新云仿真模型资源在知识图谱中的资源描述框架三元组信息；
将所述新云仿真模型资源在知识图谱中的资源描述框架三元组信息，导入所述存储云仿真模型资源描述信息的知识图谱。
进一步地，一些实施例中，所述静态信息包括：仿真模型模型名称、云仿真模型资源标识、云仿真模型资源应用领域、云仿真模型资源类别、云仿真模型资源供应商、云仿真模型资源的服务发布时间、云仿真模型资源的功能概述以及云仿真模型资源地址。
进一步地，一些实施例中，所述静态属性及功能包括：时间尺度、云仿真模型资源粒度、云仿真模型资源静态功能、初始化信息、云仿真模型资源时间代价、云仿真模型资源的服务地理范围、云仿真模型资源服务质量信息、云仿真模型资源细节信息以及云仿真模型资源使用上下文。
进一步地，一些实施例中，所述模型关系包括:云仿真模型资源构成信息或者各云仿真模型资源之间的关系，所述关系包括：包含关系、属于关系或者可组合关系。
进一步地，一些实施例中，所述模型需求信息包括：支持库需求信息，CPU主屏显示需求信息、主机内存、存储空间以及网络性能要求信息。
进一步地，一些实施例中，所述接口信息包括：模型注册方式、安全管理方式、传输协议、URL地址、消息格式、接口类型以及实现类型。
一种基于知识图谱的云仿真模型资源描述信息存储装置，所述装置包括：
描述信息确定模块，用于确定云仿真模型资源的描述内容，所述描述内容包括静态信息、动态功能和接口信息，所述静态信息包括：基本信息、静态属性及功能、模型关系以及模型需求信息；所述动态功能包括：所述云仿真模型资源的各状态之间的转化关系以及转化条件，所述接口信息包括：模型注册方式、安全管理方式、传输协议、URL地址、消息格式、接口类型以及实现类型；
三元组信息确定模块，用于基于所述描述内容，确定各云仿真模型资源在知识图谱中的资源描述框架三元组信息；
知识图谱形成模块，用于将各所述云仿真模型资源的资源描述框架三元组信息导入知识图谱，形成存储云仿真模型资源描述信息的知识图谱。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现如上所述的方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上所述的方法的步骤。
如上所述的实施例中的云仿真模型资源描述信息存储方法、云仿真模型资源描述信息存储装置、计算机设备以及计算机可读存储介质，结合云仿真的特点，通过知识图谱中资源描述框架三元组的方式，对云仿真模型资源在云环境中的静态信息、动态功能、接口信息等进行描述，据此构建存储云仿真模型资源描述信息的知识图谱，基于知识图谱实现对云仿真模型资源进行描述和存储，提高了云仿真模型资源描述的可扩展性，简洁直观，基于知识图谱在实现对云仿真模型资源的搜索时也更具关联性且效率更高。
附图说明
图1为本申请一个实施例中的基于知识图谱的云仿真模型资源描述信息存储方法的流程示意图；
图2为知识图谱中的知识的常见分解方式示意图；
图3是知识图谱中常见的三元组形式示意图；
图4是本申请一些实施例中的模型关系三元组示意图；
图5是本申请一些实施例中的模型属性三元组示意图；
图6是本申请一些实施例中的模型状态三元组以及模型状态转换三元组示意图；
图7为一个实施例中的基于知识图谱的云仿真模型资源描述信息存储装置的模块结构示意图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
参考图1所示，一个实施例中的基于知识图谱的云仿真模型资源描述信息存储方法可以包括下述步骤S101至步骤S103。该方法可以由云服务器执行。
步骤S101：确定云仿真模型资源的描述内容，所述描述内容包括静态信息、动态功能和接口信息，所述静态信息包括：基本信息、静态属性及功能、模型关系以及模型需求信息；所述动态功能包括：所述云仿真模型资源的各状态之间的转化关系以及转化条件，所述接口信息包括：模型注册方式、安全管理方式、传输协议、URL地址、消息格式、接口类型以及实现类型。
在本申请方案中，在描述云仿真模型资源时，将云仿真资源的描述内容归纳为三个方面，分别是静态信息、动态功能和接口信息。
其中，静态信息主要包括四个方面：基本信息、静态属性及功能、模型关系以及模型需求信息。
一些实施例中，基本信息主要包括：云仿真模型资源名称，云仿真模型资源标识(如特有的模型缩写或者编号)，云仿真模型资源应用领域，云仿真模型资源类别，云仿真模型资源供应商(如云仿真模型资源的开发单位，开发单位的联系信息)，云仿真模型资源的服务发布时间、云仿真模型资源的功能概述(例如对仿真模型功能的大概描述)、云仿真模型资源地址(例如IP(Internet Protocol Address)地址)等。基于基本信息的描述，在用户需要使用云仿真模型资源时，用户可以根据需求，搜索所需模型的基本信息，如：限定仿真模型标识、地址或者应用领域等要求，来减小搜索范围并且快速的查找仿真模型。
一些实施例中，静态属性及功能主要包括：时间尺度、云仿真模型资源粒度、云仿真模型资源静态功能IOPE(输入Input、输入Output、条件Precondition、结果Effect)、初始化信息、云仿真模型资源时间代价、云仿真模型资源的服务地理范围、云仿真模型资源服务质量Qos(Quality of Service，服务质量)信息(体现了模型服务质量)、云仿真模型资源细节信息(例如模型的物理属性信息，如飞机模型的长宽高、重量等，以及模型的运动特性信息，如飞机模型的最大速度，最大航行高度等)、云仿真模型资源使用上下文(例如云仿真模型的假设、限制和约束，具体表示为模型间的依赖关系)。
一些实施例中，模型关系主要包括：云仿真模型资源构成信息，或者各云仿真模型资源之间的关系，这里的关系可以包括例如：包含关系、属于关系、可组合关系等关系。云仿真模型资源之间的关系的描述可以有效地用于模型之间的关联性搜索，以及模型之间的组合应用。以一架飞机仿真模型为例，飞机仿真模型可以由不同的仿真模型构成，或者与其它仿真模型存在一定关系，如传感器模型、雷达模型或者飞机上可以挂载的武器装备模型等。
一些实施例中，模型需求主要包括：支持库需求信息，CPU(Central ProcessingUnit，中央处理器)主屏显示需求信息、主机内存、存储空间以及网络性能要求信息。模型需求的描述信息，进一步结合了云仿真的特性，使得在用户需要使用云仿真模型资源时，用户可以根据模型的需求，来扩展所需的计算计、内存以及屏幕显示需求等云平台资源；或者根据现有资源来选择相应的仿真模型。
仿真模型的动态功能指的是模型的状态到状态之间转化以及转化条件。动态功能具体可以包括：云仿真模型资源的各状态之间的转化关系以及转化条件。
云仿真模型资源作为云仿真系统中的实体，可以处在不同的状态中，这些状态也是影响整个仿真系统和与其他仿真模型交互的依据。所以除了对仿真模型的静态功能描述外，还应该对仿真模型的动态功能描述。对于动态功能的描述，可用以在云仿真平台中云仿真模型资源之间的组合功能使用，模型资源组合服务器可以根据动态功能来解析仿真模型，并对相应仿真模型进行调度，经过组合，构成仿真应用。
一些实施例中，接口信息可以指支撑和调用所述云仿真模型资源的信息。对于云仿真模型资源的接口信息的描述，主要可用以解决如何支撑和调用仿真模型的问题，基于这类描述可以实现从抽象描述到具体仿真服务的映射。一些实施例中，接口信息主要包括：模型注册方式(例如信息注册、授权传输、云端同步等)、安全管理方式(如提供方管理、云端管理)、传输协议(如UDP(User Datagram Protocol，用户数据报协议)、FTP(File TransferProtocol，文件传输协议)、SCP(Secure Copy Protocol，安全拷贝协议)、SFTP(SecureFile Transfer Protocol，安全文件传送协议))、URL(Uniform Resource Locator，统一资源定位符)地址、消息格式(如数据结构)、接口类型、实现类型等。通过这些信息对仿真模型的绑定，请求者可以按照对应的格式和要求调用和使用仿真模型。
步骤S102：基于所述描述内容，确定各云仿真模型资源在知识图谱中的资源描述框架三元组信息。
在知识图谱中，知识是基于RDF(Resource Description Framework)模型表示的，在RDF中，知识总是以三元组的形式出现，即每一份知识可以被分解成图2所示的形式。
其中，一个三元组表示到图谱中时，该三元组可以被表示为图谱中的“节点、边、节点”，通过定义不同类型的节点和边，可以表示多种意义。其中，实体是知识图谱中的最基本的元素，每个实体可用一个全局唯一确定的URL来标识，该标识用于定位实体的具体位置。关系可用来连接两个实体，刻画它们之间的关联。属性用于表示实体对象的特征、特点、以及相应参数。每个属性-属性值对(attribute-value pair，AVP)用于刻画实体的内部特性，属性值节点由一个字符串表示。如图3所示，知识图谱中两种常用的三元组表示形式，一种为实体-关系-实体，一种为实体-属性-属性值。
具体在本申请实施例方案中，对云仿真模型资源描述的资源描述框架三元组信息，可以包括四种类别，分别是：模型关系三元组、模型属性三元组、模型状态三元组、以及模型状态转换三元组。
模型关系三元组包括：各云仿真模型资源唯一标识以及各云仿真模型资源唯一标识之间的模型关系。此时，基于所述描述内容，确定各云仿真模型资源在知识图谱中的资源描述框架三元组信息，包括：根据所述描述内容，确定任意两个云仿真模型资源唯一标识对应的云仿真模型资源之间的模型关系，从而可以据此确定上述模型关系三元组。其中，该云仿真模型资源唯一标识可以是云仿真模型资源的URL地址。
其中，该模型关系三元组可以表示为“实体-关系-实体”。模型关系三元组用于描述模型之间的关系，云平台中每一个云仿真模型均可以看作一个实体，两个云仿真模型之间有不同的关系，如：包含关系、从属关系、或者其他可以描述的关系。参考图4，图中一共有三个仿真模型实体，分别是：战斗机A模型、武器A模型、战斗机A通讯模型组件。通过实体-关系-实体这样的三元组，可以将这三个实体模型间的关系描述为：战斗机A模型包含了战斗机A通讯模型组件，战斗机A模型可以挂载武器A模型。
模型属性三元组包括：各云仿真模型资源唯一标识、各云仿真模型资源唯一标识关联的属性以及对应的属性值。此时，基于所述描述内容，确定各云仿真模型资源在知识图谱中的资源描述框架三元组信息，包括：根据所述描述内容，确定云仿真模型资源的属性以及对应的属性值。从而可以根据各云仿真模型资源的属性以及对应的属性值，获得模型属性三元组。其中，该云仿真模型资源唯一标识可以是云仿真模型资源的URL地址。
其中，该模型属性三元组可以表示为“实体-属性-属性值”。模型属性三元组中，两个节点分别表示仿真模型实体和属性值，连接节点的边是属性，表示属性的边和表示属性值的节点构成“属性-属性值”对，用于表示仿真模型的特征、属性和相应参数。仿真模型描述的大部分静态信息和接口信息，都可以按照这样的形式在知识图谱中表示。如图5所示，其表示了战斗机A模型的服务发布时间是：2017年12月15日，它的模型粒度是：战役级；该仿真模型的功能概述为：模拟战斗机A的作战行为。
模型状态三元组包括：云仿真模型资源唯一标识、以及云仿真模型资源唯一标识对应的各模型状态。此时，基于所述描述内容，确定各云仿真模型资源在知识图谱中的资源描述框架三元组信息，包括：根据所述描述内容，确定各云仿真模型资源的状态。从而可以根据各云仿真模型资源的各模型状态，获得模型状态三元组。其中，该云仿真模型资源唯一标识可以是云仿真模型资源的URL地址。
其中，该模型状态三元组可以表示为“实体-主体-状态”。模型状态三元组中，主要用于描述仿真模型的动态功能中仿真模型实体和该实体的状态的关系，其中，仿真模型实体是状态的主体，因此三元组关系可以表示为实体-主体-状态。如图6所示，存在4个状态：1.停靠在原基地、2.离开基地前往侦查地点、3.在侦查地点巡航、4.返航，这四个状态的主体是侦察机A模型。
模型状态转换三元组包括：各云仿真模型资源唯一标识对应的各模型状态之间的转换关系以及转换条件。此时，基于所述描述内容，确定各云仿真模型资源在知识图谱中的资源描述框架三元组信息，包括：根据所述描述内容，确定各云仿真模型资源唯一标识对应的各模型状态之间的转换关系以及转换条件。从而可以根据云仿真模型资源对应的各模型状态之间的转换关系以及转换条件，确定上述模型状态转换三元组。其中，该云仿真模型资源唯一标识可以是云仿真模型资源的URL地址。
其中，该模型状态转换三元组可以表示为“状态-条件-状态”。模型状态转换三元组与模型状态三元组，共同用于描述仿真模型的动态功能。基于模型状态转换三元组与模型状态三元组，可用于解析仿真模型，并且进行相应的调度和组合。
状态的改变是由于事件的到来，或者说是条件的改变，可以用状态、条件、状态的三元组来表示。对于不同的仿真模型来说，不同状态之间的转换的触发以及转换方向均可能会有所不同。如图6所示：侦察机A从“状态1.停靠在基地”改变为“状态2.离开基地前往侦查地点”的条件是：停留在该状态时间“>”“10”秒；载油量“>”“80％”。侦察机A从“状态2.离开基地前往侦查地点”改变为“状态3.在侦查地点巡航”的条件是：与侦查地点距离“<”“3”海里。侦察机A从“状态2.离开基地前往侦查地点”改变为“状态4.返航”的条件是：载油量“<“30％”；探测到敌方飞机类CGF“＝”“1”。侦察机A从“状态3.在侦查地点巡航”改变为“状态4.返航”的条件是：载油量“<”“30％”；探测到敌方飞机类CGF“＝”“1”。
基于以上四种资源描述框架三元组信息，可以将对云架构环境中云仿真模型资源的静态信息、动态功能和接口信息描述所得的内容转化为三元组形式。
步骤S103：将各所述云仿真模型资源的资源描述框架三元组信息导入知识图谱，形成存储云仿真模型资源描述信息的知识图谱。
将上述资源描述框架三元组信息通过图的形式表示出来，即可以构建云仿真资源描述的知识图谱。其中，在基于三元组构建知识图谱时，可以采用任何的构建知识图谱的方式进行，本申请实施例不做具体限定。
在一些实施例中，如上所述的方法还可以包括步骤：
在接收到新云仿真模型资源导入指令时，确定所述新云仿真模型资源的所述描述内容；
根据所述新云仿真模型资源的所述描述内容，确定所述新云仿真模型资源在知识图谱中的资源描述框架三元组信息；
将所述新云仿真模型资源在知识图谱中的资源描述框架三元组信息，导入所述存储云仿真模型资源描述信息的知识图谱。
从而，在需要向云端添加新的云仿真模型资源时，可以便捷地将新的云仿真模型资源描述为资源描述框架三元组信息之后，导入到存储云仿真模型资源描述信息的知识图谱，以进一步提升存储云仿真模型资源描述信息的知识图谱的可扩展性。
为了充分验证说明使用知识图谱来描述云仿真模型资源的直观性和有效性，本申请方案在一个具体示例中，基于叫做Neo4j(一个高性能的NOSQL图形数据库)的图数据库，构建了对三种飞机模型描述的知识图谱，这三种飞机模型分别是战斗机A仿真模型、战斗机B仿真模型和侦察机A仿真模型。构建知识图谱的主要步骤如下：首先采用如上所述的方式，确定三种飞机模型的静态信息、动态功能、以及接口信息等进行描述，并将得到的描述内容转化为四种的资源描述框架三元组信息，然后将各的资源描述框架三元组信息导入Neo4j的图形数据库，形成知识图谱。然后在构建的知识图谱中，针对用户具体需求搜索仿真模型，查找到满足要求的飞机模型，并且通过扩展节点，找到对应飞机模型的各类信息。
基于如上构建的知识图谱，用户可以根据需求，搜索所需模型的基本信息，如：限定仿真模型的标识、地址或者应用领域等要求，来减小搜索范围并且快速的发现仿真模型。例如，当用户需要建立作战想定时，想要部署所需要的战斗机群时，可以通过属性搜索，在Neo4j的界面选择搜索类型为属性值，搜索：“战斗机”，通过相关属性的描述可以关联到战斗机类的飞机模型。例如，通过搜索“战斗机”，知识谱图通过云仿真模型资源和功能概述这两个属性关联到了战斗机A模型和战斗机B模型。通过对这两个仿真模型实体节点的扩展，可以得到相关飞机模型更全面的描述：所有的静态信息，动态功能和接口信息。
再例如，当用户想要查找某一台主机上的云仿真模型资源时，通过属性值搜索IP地址，如搜索“IP：117.***.***.***”，根据相关IP地址信息，关联到侦察机A模型。通过扩展侦察机A仿真模型实体节点，可以得到该模型更全面的描述。
可以理解，除此之外，用户还可以通过模型粒度、模型提供商、Qos用户评价等属性来搜索需要的模型，或者根据其它仿真模型实体来关联对应型号的飞机，比如：可挂载的武器装备模型、对应飞机模型的伤毁模型组件等。
通过上述示例可以发现，基于知识图谱的云仿真模型资源描述方法更加简洁，且容易扩展，可以快捷地将不同开发机构开发的仿真模型或者仿真应用模块添加到知识图谱中去。知识图谱具有很强的语义关联性和高效的搜索功能，通过不同的属性、模型实体间的关系等信息可以快速查找到所需的模型。
参考图7所示，一个实施例中的基于知识图谱的云仿真模型资源描述信息存储装置，包括：
描述信息确定模块10，用于确定云仿真模型资源的描述内容，所述描述内容包括静态信息、动态功能和接口信息，所述静态信息包括：基本信息、静态属性及功能、模型关系以及模型需求信息；所述动态功能包括：所述云仿真模型资源的各状态之间的转化关系以及转化条件。
三元组信息确定模块20，用于基于所述描述内容，确定各云仿真模型资源在知识图谱中的资源描述框架三元组信息。
知识图谱形成模块30，用于将各所述云仿真模型资源的资源描述框架三元组信息导入知识图谱，形成存储云仿真模型资源描述信息的知识图谱。
一些实施例中，基本信息主要包括：云仿真模型资源名称，云仿真模型资源标识(如特有的模型缩写或者编号)，云仿真模型资源应用领域，云仿真模型资源类别，云仿真模型资源供应商(如云仿真模型资源的开发单位，开发单位的联系信息)，云仿真模型资源的服务发布时间、云仿真模型资源的功能概述(例如对仿真模型功能的大概描述)、云仿真模型资源地址(例如IP(Internet Protocol Address)地址)等。基于基本信息的描述，在用户需要使用云仿真模型资源时，用户可以根据需求，搜索所需模型的基本信息，如：限定仿真模型标识、地址或者应用领域等要求，来减小搜索范围并且快速的查找仿真模型。
一些实施例中，静态属性及功能主要包括：时间尺度、云仿真模型资源粒度、云仿真模型资源静态功能IOPE(输入Input、输入Output、条件Precondition、结果Effect)、初始化信息、云仿真模型资源时间代价、云仿真模型资源的服务地理范围、云仿真模型资源服务质量Qos(Quality of Service，服务质量)信息(体现了模型服务质量)、云仿真模型资源细节信息(例如模型的物理属性信息，如飞机模型的长宽高、重量等，以及模型的运动特性信息，如飞机模型的最大速度，最大航行高度等)、云仿真模型资源使用上下文(例如云仿真模型的假设、限制和约束，具体表示为模型间的依赖关系)。
一些实施例中，模型关系主要包括：云仿真模型资源构成信息，或者各云仿真模型资源之间的关系，这里的关系可以包括例如：包含关系、属于关系、可组合关系等关系。云仿真模型资源之间的关系的描述可以有效地用于模型之间的关联性搜索，以及模型之间的组合应用。以一架飞机仿真模型为例，飞机仿真模型可以由不同的仿真模型构成，或者与其它仿真模型存在一定关系，如传感器模型、雷达模型或者飞机上可以挂载的武器装备模型等。
一些实施例中，模型需求主要包括：支持库需求信息，CPU(Central ProcessingUnit，中央处理器)主屏显示需求信息、主机内存、存储空间以及网络性能要求信息。模型需求的描述信息，进一步结合了云仿真的特性，使得在用户需要使用云仿真模型资源时，用户可以根据模型的需求，来扩展所需的计算计、内存以及屏幕显示需求等云平台资源；或者根据现有资源来选择相应的仿真模型。
仿真模型的动态功能指的是模型的状态到状态之间转化以及转化条件。动态功能具体可以包括：云仿真模型资源的各状态之间的转化关系以及转化条件。
一些实施例中，接口信息可以指支撑和调用所述云仿真模型资源的信息。对于云仿真模型资源的接口信息的描述，主要可用以解决如何支撑和调用仿真模型的问题，基于这类描述可以实现从抽象描述到具体仿真服务的映射。一些实施例中，接口信息主要包括：模型注册方式(例如信息注册、授权传输、云端同步等)、安全管理方式(如提供方管理、云端管理)、传输协议(如UDP(User Datagram Protocol，用户数据报协议)、FTP(File TransferProtocol，文件传输协议)、SCP(Secure Copy Protocol，安全拷贝协议)、SFTP(SecureFile Transfer Protocol，安全文件传送协议))、URL(Uniform Resource Locator，统一资源定位符)地址、消息格式(如数据结构)、接口类型、实现类型等。通过这些信息对仿真模型的绑定，请求者可以按照对应的格式和要求调用和使用仿真模型。
在本申请实施例方案中，对云仿真模型资源描述的资源描述框架三元组信息，可以包括四种类别，分别是：模型关系三元组、模型属性三元组、模型状态三元组、以及模型状态转换三元组。
一些实施例中，三元组信息确定模块20，根据所述描述内容，确定任意两个云仿真模型资源唯一标识对应的云仿真模型资源之间的模型关系，从而可以据此确定上述模型关系三元组。模型关系三元组包括：各云仿真模型资源唯一标识以及各云仿真模型资源唯一标识之间的模型关系。其中，该云仿真模型资源唯一标识可以是云仿真模型资源的URL地址。
一些实施例中，三元组信息确定模块20，根据所述描述内容，确定云仿真模型资源的属性以及对应的属性值。从而可以根据各云仿真模型资源的属性以及对应的属性值，获得模型属性三元组。模型属性三元组包括：各云仿真模型资源唯一标识、各云仿真模型资源唯一标识关联的属性以及对应的属性值。其中，该云仿真模型资源唯一标识可以是云仿真模型资源的URL地址。
一些实施例中，三元组信息确定模块20，根据所述描述内容，确定各云仿真模型资源的状态。从而可以根据各云仿真模型资源的各模型状态，获得模型状态三元组。模型状态三元组包括：云仿真模型资源唯一标识、以及云仿真模型资源唯一标识对应的各模型状态。其中，该云仿真模型资源唯一标识可以是云仿真模型资源的URL地址。
一些实施例中，三元组信息确定模块20，根据所述描述内容，确定各云仿真模型资源唯一标识对应的各模型状态之间的转换关系以及转换条件。从而可以根据云仿真模型资源对应的各模型状态之间的转换关系以及转换条件，确定上述模型状态转换三元组。模型状态转换三元组包括：各云仿真模型资源唯一标识对应的各模型状态之间的转换关系以及转换条件。其中，该云仿真模型资源唯一标识可以是云仿真模型资源的URL地址。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端或者服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现如上所述实施例的方法。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
据此，在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现如上所述的任意一种基于知识图谱的云仿真模型资源描述信息存储方法。
本领域普通技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
因此，在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上所述的任意一种基于知识图谱的云仿真模型资源描述信息存储方法。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (13)
1.一种基于知识图谱的云仿真模型资源描述信息存储方法，所述方法包括：
确定云仿真模型资源的描述内容，所述描述内容包括静态信息、动态功能和接口信息，所述静态信息包括：基本信息、静态属性及功能、模型关系以及模型需求信息；所述动态功能包括：所述云仿真模型资源的各状态之间的转化关系以及转化条件；所述接口信息包括：模型注册方式、安全管理方式、传输协议、URL地址、消息格式、接口类型以及实现类型；
基于所述描述内容，确定各云仿真模型资源在知识图谱中的资源描述框架三元组信息，所述资源描述框架三元组信息，包括：模型关系三元组、模型属性三元组、模型状态三元组、以及模型状态转换三元组中的至少一种，所述模型关系三元组包括：各云仿真模型资源唯一标识以及各云仿真模型资源唯一标识之间的模型关系，所述模型属性三元组包括：各云仿真模型资源唯一标识、各云仿真模型资源唯一标识关联的属性以及对应的属性值，所述模型状态三元组包括：云仿真模型资源唯一标识、以及云仿真模型资源唯一标识对应的各模型状态，所述模型状态转换三元组包括：各云仿真模型资源唯一标识对应的各模型状态之间的转换关系以及转换条件；
将各所述云仿真模型资源的资源描述框架三元组信息导入知识图谱，形成存储云仿真模型资源描述信息的知识图谱。
2.根据权利要求1所述的方法，其特征在于，所述资源描述框架三元组信息包括模型关系三元组时，基于所述描述内容，确定各云仿真模型资源在知识图谱中的资源描述框架三元组信息，包括：
根据所述描述内容，确定任意两个云仿真模型资源唯一标识对应的云仿真模型资源之间的模型关系。
3.根据权利要求1所述的方法，其特征在于，所述资源描述框架三元组信息包括模型属性三元组时，基于所述描述内容，确定各云仿真模型资源在知识图谱中的资源描述框架三元组信息，包括：
根据所述描述内容，确定云仿真模型资源的属性以及对应的属性值。
4.根据权利要求1所述的方法，其特征在于，所述资源描述框架三元组信息包括模型状态三元组时，基于所述描述内容，确定各云仿真模型资源在知识图谱中的资源描述框架三元组信息，包括：
根据所述描述内容，确定各云仿真模型资源的状态。
5.根据权利要求1所述的方法，其特征在于，所述资源描述框架三元组信息包括模型状态转换三元组时，基于所述描述内容，确定各云仿真模型资源在知识图谱中的资源描述框架三元组信息，包括：
根据所述描述内容，确定各云仿真模型资源唯一标识对应的各模型状态之间的转换关系以及转换条件。
6.根据权利要求1至5任意一项所述的方法，其特征在于，还包括步骤：在接收到新云仿真模型资源导入指令时，确定所述新云仿真模型资源的所述描述内容；
根据所述新云仿真模型资源的所述描述内容，确定所述新云仿真模型资源在知识图谱中的资源描述框架三元组信息；
将所述新云仿真模型资源在知识图谱中的资源描述框架三元组信息，导入所述存储云仿真模型资源描述信息的知识图谱。
7.根据权利要求1至5任意一项所述的方法，其特征在于，所述静态信息包括：云仿真模型资源名称、云仿真模型资源标识、云仿真模型资源应用领域、云仿真模型资源类别、云仿真模型资源供应商、云仿真模型资源的服务发布时间、云仿真模型资源的功能概述以及云仿真模型资源地址。
8.根据权利要求1至5任意一项所述的方法，其特征在于，所述静态属性及功能包括：时间尺度、云仿真模型资源粒度、云仿真模型资源静态功能、初始化信息、云仿真模型资源时间代价、云仿真模型资源的服务地理范围、云仿真模型资源服务质量信息、云仿真模型资源细节信息以及云仿真模型资源使用上下文。
9.根据权利要求1至5任意一项所述的方法，其特征在于，所述模型关系包括:云仿真模型资源构成信息或者各云仿真模型资源之间的关系，所述关系包括：包含关系、属于关系或者可组合关系。
10.根据权利要求1至5任意一项所述的方法，其特征在于，所述模型需求信息包括：支持库需求信息，CPU主屏显示需求信息、主机内存、存储空间以及网络性能要求信息。
11.一种基于知识图谱的云仿真模型资源描述信息存储装置，所述装置包括：
描述信息确定模块，用于确定云仿真模型资源的描述内容，所述描述内容包括静态信息、动态功能和接口信息，所述静态信息包括：基本信息、静态属性及功能、模型关系以及模型需求信息；所述动态功能包括：所述云仿真模型资源的各状态之间的转化关系以及转化条件，所述接口信息包括：模型注册方式、安全管理方式、传输协议、URL地址、消息格式、接口类型以及实现类型；
三元组信息确定模块，用于基于所述描述内容，确定各云仿真模型资源在知识图谱中的资源描述框架三元组信息，所述资源描述框架三元组信息，包括：模型关系三元组、模型属性三元组、模型状态三元组、以及模型状态转换三元组中的至少一种，所述模型关系三元组包括：各云仿真模型资源唯一标识以及各云仿真模型资源唯一标识之间的模型关系，所述模型属性三元组包括：各云仿真模型资源唯一标识、各云仿真模型资源唯一标识关联的属性以及对应的属性值，所述模型状态三元组包括：云仿真模型资源唯一标识、以及云仿真模型资源唯一标识对应的各模型状态，所述模型状态转换三元组包括：各云仿真模型资源唯一标识对应的各模型状态之间的转换关系以及转换条件；
知识图谱形成模块，用于将各所述云仿真模型资源的资源描述框架三元组信息导入知识图谱，形成存储云仿真模型资源描述信息的知识图谱。
12.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至10中任一项所述方法的步骤。
13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至10中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910115901.8A CN109885699B (zh) | 2019-02-15 | 2019-02-15 | 基于知识图谱的云仿真模型资源描述信息存储方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910115901.8A CN109885699B (zh) | 2019-02-15 | 2019-02-15 | 基于知识图谱的云仿真模型资源描述信息存储方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109885699A CN109885699A (zh) | 2019-06-14 |
| CN109885699B true CN109885699B (zh) | 2020-12-25 |
Family
ID=66928174
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910115901.8A Active CN109885699B (zh) | 2019-02-15 | 2019-02-15 | 基于知识图谱的云仿真模型资源描述信息存储方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109885699B (zh) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112182139A (zh) * | 2019-08-29 | 2021-01-05 | 盈盛智创科技(广州)有限公司 | 一种资源描述框架三元组的溯源方法、装置及设备 |
| CN110764907A (zh) * | 2019-09-30 | 2020-02-07 | 太极计算机股份有限公司 | 一种云计算资源图谱构建方法 |
| CN111046241B (zh) * | 2019-11-27 | 2023-09-26 | 中国人民解放军国防科技大学 | 用于流式图处理的图存储方法及装置 |
| CN116171453A (zh) * | 2020-09-22 | 2023-05-26 | 西门子股份公司 | 用于生成和利用制造仿真模型的知识图谱的方法和装置 |
| CN112307620A (zh) * | 2020-10-30 | 2021-02-02 | 幻境虚拟现实(广州)智能科技研究院有限公司 | 一种雷达虚拟仿真方法和装置 |
| CN112380354B (zh) * | 2020-11-13 | 2021-06-01 | 哈尔滨工业大学 | 面向航天器总体设计的知识获取方法、装置及存储介质 |
| CN112699282A (zh) * | 2021-03-23 | 2021-04-23 | 中国信息通信研究院 | 工业互联网数据处理方法、装置、电子设备及存储介质 |
| CN114328984B (zh) * | 2021-12-31 | 2024-04-12 | 北京迈高材云科技有限公司 | 基于handle的科技资源标识即时处理方法及系统 |
| CN114579676B (zh) * | 2022-05-07 | 2022-07-15 | 中科雨辰科技有限公司 | 一种基于组合关系的检索系统 |
| CN115329611B (zh) * | 2022-10-17 | 2023-01-24 | 中国电子科技集团公司信息科学研究院 | 惯性导航组件仿真方法及装置、电子设备、存储介质 |
| CN115329613B (zh) * | 2022-10-17 | 2022-12-23 | 中国电子科技集团公司信息科学研究院 | 光电收发模块仿真方法及装置、电子设备、存储介质 |
| CN116414999A (zh) * | 2022-12-01 | 2023-07-11 | 北京首都在线科技股份有限公司 | 基于知识图谱的管理方法、装置、电子设备及存储介质 |
| CN115828622A (zh) * | 2022-12-21 | 2023-03-21 | 中国电子科技集团公司信息科学研究院 | 射频收发组件模型管理方法及装置、电子设备、介质 |
| CN116127611B (zh) * | 2023-04-13 | 2023-06-20 | 中国人民解放军国防科技大学 | 一种水下航行器动态仿真方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7730063B2 (en) * | 2002-12-10 | 2010-06-01 | Asset Trust, Inc. | Personalized medicine service |
| CN103780640B (zh) * | 2012-10-18 | 2017-03-08 | 中国科学院声学研究所 | 一种多媒体云计算仿真方法 |
| CN107632879A (zh) * | 2017-10-31 | 2018-01-26 | 中国人民解放军国防科技大学 | 云仿真平台 |
-
2019
- 2019-02-15 CN CN201910115901.8A patent/CN109885699B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109885699A (zh) | 2019-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109885699B (zh) | 基于知识图谱的云仿真模型资源描述信息存储方法及装置 | |
| US20200342511A1 (en) | Bundling of automated work flow | |
| Mahmud et al. | Ifogsim2: An extended ifogsim simulator for mobility, clustering, and microservice management in edge and fog computing environments | |
| EP3667500B1 (en) | Using a container orchestration service for dynamic routing | |
| CN102281290B (zh) | 一种PaaS云平台的仿真系统及方法 | |
| CN104331477A (zh) | 基于联邦式检索的云平台并发性能测试方法 | |
| US9311068B2 (en) | Deployment of web application archives as a preprocessing step for provisioning | |
| US10348595B2 (en) | Managing data-driven services | |
| JPWO2019093059A1 (ja) | 脅威分析装置、脅威分析方法、及び脅威分析プログラム | |
| Cretella et al. | Towards a semantic engine for cloud applications development | |
| Ramakrishnan et al. | An empirical comparison of predictive models for web page performance | |
| CN114817389A (zh) | 数据处理方法、装置、存储介质及电子设备 | |
| Kitajima et al. | Inferring calling relationship based on external observation for microservice architecture | |
| Colarusso et al. | PROMENADE: A big data platform for handling city complex networks with dynamic graphs | |
| Xiong et al. | A description method of cloud simulation model resources based on knowledge graph | |
| Barakat et al. | Efficient adaptive QoS-based service selection | |
| Briquemont et al. | Conflict-free partially replicated data types | |
| CN113806652A (zh) | 页面生成方法、装置、计算机设备和存储介质 | |
| Song et al. | Capability-based semantic matching for dynamic resource allocation in tactical edge environment | |
| Mostafaei et al. | Network-aware worker placement for wide-area streaming analytics | |
| CN109684521A (zh) | linux系统配置信息查看方法、装置及计算机可读存储介质 | |
| Russell et al. | Realizing network enabled capability through dependable dynamic systems integration | |
| Abusharekh et al. | Performance Evaluation Of SOA In Clouds. | |
| Datta et al. | An Intelligent Forensic Framework towards Cloud: Its Ontological Aspects | |
| Zhu et al. | A Containerized Service-based Integration Framework for Heterogeneous Geospatial Models |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |